array(35) { ["id"]=> string(4) "1866" ["type"]=> string(6) "course" ["title"]=> string(52) "基于A股数据的系统性风险研究实验案例" ["subtitle"]=> string(0) "" ["creator"]=> array(6) { ["id"]=> string(1) "8" ["nickname"]=> string(7) "mingzhu" ["title"]=> string(6) "教师" ["uuid"]=> string(40) "66f930e6f2d349b45f48f24e125e05d3a92fb8d1" ["destroyed"]=> string(1) "0" ["avatar"]=> array(3) { ["small"]=> string(76) "http://www.chinadatacase.com/files/default/2021/11-26/09105602405b816729.png" ["middle"]=> string(76) "http://www.chinadatacase.com/files/default/2021/11-26/091056023132077454.png" ["large"]=> string(76) "http://www.chinadatacase.com/files/default/2021/11-26/0910560220f8152273.png" } } ["showable"]=> string(1) "1" ["buyable"]=> string(1) "1" ["summary"]=> string(953) "

 

系统性风险是金融学、投资学等课程的重要学习内容。传统的系统性风险度量是基于风险价值VaR计算得出的，但却忽略了金融机构之间因业务往来而造成的相互影响，从而可能低估系统风险。CoVaR和CoES 在风险价值 VaR 的基础上更进一步，考虑溢出风险价值，从而量化了单个金融机构之间的风险溢出效应，相比 VaR 应用范围更广、更全面，对金融监管具有参考意义。本案例提供一个手把手的利用Python对A股2018年9月26日-2023年9月25日，99家金融机构的数据进行系统性风险分析的过程，包括从数据下载、数据预处理、数据计算到结果图形展示的全过程，让学生从真实数据中计算得出各个金融机构的CoVaR和CoES值，对基于CoVaR的系统性风险研究方法有更深入的了解，也体会到利用Python进行数据分析的便捷与高效。

" ["minPrice"]=> string(4) "0.00" ["maxPrice"]=> string(4) "0.00" ["discountId"]=> string(1) "0" ["images"]=> array(3) { ["large"]=> string(76) "http://www.chinadatacase.com/files/course/2025/03-24/131025131ccf686820.jpeg" ["middle"]=> string(76) "http://www.chinadatacase.com/files/course/2025/03-24/1310251328c9243033.jpeg" ["small"]=> string(76) "http://www.chinadatacase.com/files/course/2025/03-24/131025132fb6598625.jpeg" } ["ratingNum"]=> string(1) "0" ["rating"]=> string(1) "0" ["hitNum"]=> string(3) "531" ["hotSeq"]=> string(1) "0" ["maxPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["minPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["minDisplayPrice"]=> string(4) "0.00" ["maxDisplayPrice"]=> string(4) "0.00" ["minDisplayPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["maxDisplayPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["canManage"]=> bool(false) ["peopleShowNum"]=> string(3) "111" ["isMember"]=> bool(false) ["status"]=> string(9) "published" ["orgId"]=> string(1) "1" ["orgCode"]=> string(2) "1." ["recommendWeight"]=> string(1) "0" ["recommendedTime"]=> string(1) "0" ["createdTime"]=> string(25) "2023-10-23T15:03:15+08:00" ["updatedTime"]=> string(25) "2025-12-11T21:53:39+08:00" ["product"]=> array(7) { ["id"]=> string(4) "1866" ["targetType"]=> string(6) "course" ["title"]=> string(52) "基于A股数据的系统性风险研究实验案例" ["owner"]=> string(1) "8" ["createdTime"]=> string(10) "1698044595" ["updatedTime"]=> string(10) "1742793028" ["target"]=> array(17) { ["id"]=> string(4) "1966" ["type"]=> string(6) "normal" ["title"]=> string(52) "基于A股数据的系统性风险研究实验案例" ["subtitle"]=> string(0) "" ["summary"]=> string(953) "

 

系统性风险是金融学、投资学等课程的重要学习内容。传统的系统性风险度量是基于风险价值VaR计算得出的，但却忽略了金融机构之间因业务往来而造成的相互影响，从而可能低估系统风险。CoVaR和CoES 在风险价值 VaR 的基础上更进一步，考虑溢出风险价值，从而量化了单个金融机构之间的风险溢出效应，相比 VaR 应用范围更广、更全面，对金融监管具有参考意义。本案例提供一个手把手的利用Python对A股2018年9月26日-2023年9月25日，99家金融机构的数据进行系统性风险分析的过程，包括从数据下载、数据预处理、数据计算到结果图形展示的全过程，让学生从真实数据中计算得出各个金融机构的CoVaR和CoES值，对基于CoVaR的系统性风险研究方法有更深入的了解，也体会到利用Python进行数据分析的便捷与高效。

" ["cover"]=> array(3) { ["large"]=> string(76) "http://www.chinadatacase.com/files/course/2025/03-24/131025131ccf686820.jpeg" ["middle"]=> string(76) "http://www.chinadatacase.com/files/course/2025/03-24/1310251328c9243033.jpeg" ["small"]=> string(76) "http://www.chinadatacase.com/files/course/2025/03-24/131025132fb6598625.jpeg" } ["status"]=> string(9) "published" ["studentNum"]=> string(3) "111" ["discountType"]=> string(8) "discount" ["discount"]=> string(2) "10" ["minCoursePrice"]=> string(4) "0.00" ["maxCoursePrice"]=> string(4) "0.00" ["defaultCourseId"]=> string(4) "1990" ["productId"]=> string(4) "1866" ["goodsId"]=> string(4) "1866" ["minCoursePrice2"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["maxCoursePrice2"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } } } ["extensions"]=> array(3) { [0]=> string(8) "teachers" [1]=> string(14) "recommendGoods" [2]=> string(10) "isFavorite" } ["specs"]=> array(1) { [0]=> array(26) { ["id"]=> string(4) "1890" ["goodsId"]=> string(4) "1866" ["targetId"]=> string(4) "1990" ["title"]=> string(0) "" ["seq"]=> string(1) "1" ["status"]=> string(9) "published" ["price"]=> string(4) "0.00" ["coinPrice"]=> string(4) "0.00" ["usageMode"]=> string(7) "forever" ["usageDays"]=> string(1) "0" ["usageStartTime"]=> string(1) "0" ["usageEndTime"]=> string(1) "0" ["buyableStartTime"]=> string(1) "0" ["buyableEndTime"]=> string(1) "0" ["buyableMode"]=> NULL ["buyable"]=> string(1) "1" ["maxJoinNum"]=> string(1) "0" ["services"]=> array(0) { } ["priceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["displayPrice"]=> string(4) "0.00" ["displayPriceObj"]=> array(2) { ["currency"]=> string(3) "RMB" ["amount"]=> string(4) "0.00" } ["isMember"]=> bool(false) ["access"]=> array(2) { ["code"]=> string(14) "user.not_login" ["msg"]=> string(15) "用户未登录" } ["hasCertificate"]=> bool(false) ["learnUrl"]=> string(43) "http://www.chinadatacase.com/my/course/1990" ["teachers"]=> array(1) { [0]=> array(6) { ["id"]=> string(1) "8" ["nickname"]=> string(7) "mingzhu" ["title"]=> string(6) "教师" ["uuid"]=> string(40) "66f930e6f2d349b45f48f24e125e05d3a92fb8d1" ["destroyed"]=> string(1) "0" ["avatar"]=> array(3) { ["small"]=> string(76) "http://www.chinadatacase.com/files/default/2021/11-26/09105602405b816729.png" ["middle"]=> string(76) "http://www.chinadatacase.com/files/default/2021/11-26/091056023132077454.png" ["large"]=> string(76) "http://www.chinadatacase.com/files/default/2021/11-26/0910560220f8152273.png" } } } } } } 基于A股数据的系统性风险研究实验案例 - 中国经管实验教学案例平台

中国经管实验教学案例平台

www.chinadatacase.com